![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理基础知识
文章平均质量分 69
深度瞎学
这个作者很懒,什么都没留下…
展开
-
有关于齐次方程学习记录
记录齐次方程中的为何是4*4转载 2022-11-15 14:48:29 · 140 阅读 · 0 评论 -
齐次坐标系(转载如有侵权请联系删除)
问题:两条平行线可以相交于一点在欧氏几何空间,同一平面的两条平行线不能相交,这是我们都熟悉的一种场景。然而,在透视空间里面,两条平行线可以相交,例如:火车轨道随着我们的视线越来越窄,最后两条平行线在无穷远处交于一点。欧氏空间(或者笛卡尔空间)描述2D/3D几何非常适合,但是这种方法却不适合处理透视空间的问题(实际上,欧氏几何是透视几何的一个子集合),2维笛卡尔坐标可以表示为(x,y)。如果一个点在无穷远处,这个点的坐标将会(∞,∞),在欧氏空间,这变得没有意义。平行线在透视空间的无穷远处交于一点,但转载 2021-09-17 20:20:44 · 188 阅读 · 0 评论 -
图像的秩与矩阵的秩
矩阵的秩矩阵的秩 = 最大的线性无关的行(或列)向量的个数。对于图像而言,秩可以表示图像中包含信息的丰富程度、冗余程度、噪声。秩越小:基的个数少数据冗余性大图像信息不丰富图像噪声少低秩矩阵概念当矩阵的秩较低时(r << n, m),就可以视其为低秩矩阵。低秩矩阵意味着,此矩阵中有较多的行(或列)是线性相关的,即:信息冗余较大。作用利用低秩矩阵的冗余信息,可以对缺失数据进行恢复,此问题叫做 “低秩矩阵重构” ,即:“假设恢复出来的矩阵是低秩的,利用已有的矩阵元素,恢复出原创 2021-08-26 10:15:02 · 1502 阅读 · 0 评论 -
对于尺度与分辨率的理解
在对尺度与分辨率进行理解时,我发现有很多人将分辨率与尺度视为一物,因此在最开始我也出现了理解错误。这篇文章主要是将一些有理有据的知识整合以及添加了一些本人理解。1 尺度空间(scale space)理论在尺度空间中,尺度越大图像就越模糊(在有限的空间上要表达好物体,那么物体越大越模糊),尺度空间中各尺度图像的模糊程度逐渐变大,因为计算机在不知道图像尺寸的情况下,需要考虑多尺度以获取兴趣物体的最佳尺度。同时,在一幅图像的不同尺度下检测出相同的关键点来匹配,即尺度不变性。直观一点的理解:自然界中的物体呈原创 2020-05-14 10:49:35 · 4706 阅读 · 0 评论